预备课程 0.1 基础知识回顾: 回顾机器学习的基本概念,包括监督学习、无监督学习和强化学习。 0.2 模型安全性和隐私: 探讨机器学习模型的安全性和隐私问题,包括数据泄露和模型逆向工程。 0.3 梯度下降和优化: 深入了解梯度下降和其他优化方法,这是理解对抗攻击的基础。 0.4 神经网络架构: 研究不同类型的神经网络架构,如CNN、RNN和GAN。 0.5 损失函数和评估指标: 探讨用于训练和评估模型的不同损失函数和性能指标。 0.6 对抗样本基础: 介绍对抗样本的概念,包括它们是如何生成的以及为什么会...【查看原文】